MFRL-BI：基于贝叶斯推理的无模型强化学习过程控制方案设计
机器学习
2023-09-19 v1 系统与控制
系统与控制
机器学习
摘要
过程控制方案的设计对于质量保证和减少制造系统中的变异至关重要。以半导体制造为例，大量文献聚焦于基于特定过程模型（通常为线性模型）的控制优化，这些模型在制造过程开始前通过实验获得。然而，在实际应用中，预定义模型可能不准确，尤其是对于复杂的制造系统。为应对模型不准确问题，我们提出一种无模型强化学习（MFRL）方法，根据实时数据同时开展实验与控制优化。具体而言，我们设计了一种新颖的 MFRL 控制方案，利用贝叶斯推理更新干扰的分布，以减小制造过程中干扰的大幅波动。结果表明，在过程模型未知的非线性化学机械抛光（CMP）工艺中，所提出的 MFRL 控制器表现良好。在干扰为加性时，理论性质亦得到保证。数值研究也证明了我们方法的有效性与高效性。
引用
@article{arxiv.2309.09205,
title = {MFRL-BI: Design of a Model-free Reinforcement Learning Process Control Scheme by Using Bayesian Inference},
author = {Yanrong Li and Juan Du and Wei Jiang},
journal= {arXiv preprint arXiv:2309.09205},
year = {2023}
}
备注
31 pages, 7 figures, and 3 tables